唉,我自己想出来的这套博弈训练搭建,真花时间。我决定读三篇相关研究,然后不做任何准备,直接上手干一桩前无古人的、最难的博弈训练系统。
怎么?不过三个模型加一个围棋(Go)解析器,从零组装语料库,评估结果,数错误,给反馈。
会非常容易。我全程自动化。
也许一天搞定,然后 backward pass 跑个两三天,就皆大欢喜,因为那时我就会有一只专精围棋(Go)、以小博大的快乐小编码智能体。
目前数据集这样
好,四天过去,进度落在这。
- 🏐 72/250 道训练挑战,约为目标数据集的 29%
- 🏐 61/120 道独立晋升任务,约为晋升题库的 51%
- 🏐 52 个能力族
- 🏐 241 条已采纳的解题轨迹
- 🏐 271 场解题对话
- 🏐 203 场出题对话
- 🏐 30 组修订对
- 🏐 53 条明确的比较偏好
我其实觉得这个方法成得了。
目前结果都是好消息!
只是事实证明,把训练信号从练习题里剥出来,过程极慢。
这个要花点时间了。
完工以后,它会拿到一个响亮的名字,我会把权重和一篇讲我怎么做到的论文发到 Huggingface 上。
是是是。